Assessing the Influence of a Fitbit Physical Activity Monitor on the Exercise Practices of Emergency Medicine Residents: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Targeted interventions have improved physical activity and wellness of medical residents. However, no exercise interventions have focused on emergency medicine residents. OBJECTIVE: This study aimed to measure the effectiveness of a wearable device for tracking physical activity on the exercise habits and wellness of this population, while also measuring barriers to adoption and continued use. METHODS: This pre-post cohort study enrolled 30 emergency medicine residents. Study duration was 6 months. Statistical comparisons were conducted for the primary end point and secondary exercise end points with nonparametric tests. Descriptive statistics were provided for subjective responses. RESULTS: The physical activity tracker did not increase the overall self-reported median number of days of physical activity per week within this population: baseline 2.5 days (interquartile range, IQR, 1.9) versus 2.8 days (IQR 1.5) at 1 month (P=.36). There was a significant increase in physical activity from baseline to 1 month among residents with median weekly physical activity level below that recommended by the Centers for Disease Control and Prevention at study start, that is, 1.5 days (IQR 0.9) versus 2.4 days (IQR 1.2; P=.04), to 2.0 days (IQR 2.0; P=.04) at 6 months. More than half (60%, 18/30) of participants reported a benefit to their overall wellness, and 53% (16/30) reported a benefit to their physical activity. Overall continued use of the device was 67% (20/30) at 1 month and 33% (10/30) at 6 months. CONCLUSIONS: The wearable physical activity tracker did not change the overall physical activity levels among this population of emergency medicine residents. However, there was an improvement in physical activity among the residents with the lowest preintervention physical activity. Subjective improvements in overall wellness and physical activity were noted among the entire study population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».